语义图支持的阅读理解型问题的自动生成

问题自动生成是人工智能领域的一项技术,其目标是根据输入的文本模拟人类的能力,自动生成相关问题。目前的问题自动生成研究主要基于通用数据集生成问题,缺乏专门针对教育领域的问题生成研究。为此,专注于面向中学生的问题自动生成进行研究。构建一个专门为问题生成模型训练需求而设计的数据集RACE4QG,以满足中学生教育领域的独特需求;开发一个端到端的问题自动生成模型,该模型训练于数据集RACE4Q,并采用改进型“编码器-解码器”方案,编码器主要采用两层双向门控循环单元,其输入为单词和答案标记的嵌入表示,编码器的隐藏层采用门控自注意力机制获得“文章和答案”的联合表示后,再输入到解码器生成问题。试验结果显示,该模型优于最优基线模型,3个评价指标BLEU-4、ROUGE-L和METEOR分别提高了3.61%、1.66%和1.44%。

基于语义模板的医学问答自动生成

通过对大量医学论文的分析,得到了一些满足特定语义关系的概念成分和语法关系,通过定义这些语法结构和概念元素创建了相应医学问题的模板;利用这些模板,与医学句子进行语法和概念上的匹配获得医学知识,增强了计算机对医学文本的理解,并在此基础上自动生成问答对.实验表明本文的问题生成系统能够获得83%的精确率和42%的返回率.